SOBRE MARIO KOJIMA

Olá! Meu nome é Mário Kojima e atualmente (2019) estou cursando o curdo de Inteligência Artificial e Machine Learning na FIAP.

Esse portifólio foi desenvolvido para como parte da avaliação e aprendizado adquirido durante as aulas da diciplina Programando IA com R ministrada pelo professor ELTHON MANHAS DE FREITAS

Você pode entrar em contato comigo através do email
Saiba mais em https://mariokojima.github.io/

Análise Básica Datasets

Informações do data set

summary(mtcars)
##       mpg             cyl             disp             hp       
##  Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
##  1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
##  Median :19.20   Median :6.000   Median :196.3   Median :123.0  
##  Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
##  3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
##  Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
##       drat             wt             qsec             vs        
##  Min.   :2.760   Min.   :1.513   Min.   :14.50   Min.   :0.0000  
##  1st Qu.:3.080   1st Qu.:2.581   1st Qu.:16.89   1st Qu.:0.0000  
##  Median :3.695   Median :3.325   Median :17.71   Median :0.0000  
##  Mean   :3.597   Mean   :3.217   Mean   :17.85   Mean   :0.4375  
##  3rd Qu.:3.920   3rd Qu.:3.610   3rd Qu.:18.90   3rd Qu.:1.0000  
##  Max.   :4.930   Max.   :5.424   Max.   :22.90   Max.   :1.0000  
##        am              gear            carb      
##  Min.   :0.0000   Min.   :3.000   Min.   :1.000  
##  1st Qu.:0.0000   1st Qu.:3.000   1st Qu.:2.000  
##  Median :0.0000   Median :4.000   Median :2.000  
##  Mean   :0.4062   Mean   :3.688   Mean   :2.812  
##  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :1.0000   Max.   :5.000   Max.   :8.000

Dimensão

dim(mtcars)
## [1] 32 11

Cabeçalho

head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Aplicando filtro no dataset

mtcars[mtcars$"mpg">=15,]
##                    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Merc 240D         24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230          22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280          19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C         17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE        16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL        17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC       15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Fiat 128          32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic       30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla    33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona     21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger  15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin       15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Pontiac Firebird  19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9         27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2     26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa      30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L    15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino      19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora     15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E        21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

Data & Hora

Sys.time()
## [1] "2019-09-10 15:43:56 -03"
Sys.Date()
## [1] "2019-09-10"
Sys.timezone()
## [1] "America/Sao_Paulo"

Lubridate

Briando de descobrir a data de uma black friday

library(lubridate)
## 
## Attaching package: 'lubridate'
## The following object is masked from 'package:base':
## 
##     date
nov1 = ymd("20191101")
nov1
## [1] "2019-11-01"
wday(nov1)
## [1] 6
if (wday(nov1) %% 5 == 0) {
  day2 = 0
}else{
  day2 = 7 - wday(nov1) %% 5
}

day2
## [1] 6
blackfriday = nov1 + day2 + (7*3) +1
print( paste('A black friday esse ano será em ', blackfriday) )
## [1] "A black friday esse ano será em  2019-11-29"

Matrizes e operações

Multiplica um

a <- c(334483,1980,0612,01234567890,112333,2019)
b <- a * 2

Exploraração de Dados através de Graficos

No decorrer do curso, foi possível aprender que a exploração de dados fica muito mais fácil de ser interpretada, através de gráficos.

Gráficos de Rede

Bem legal para demonstrar a conexão entre elementos

Correlações (corrplot)

Uma forma visual de verificar quais são as variaveis que possuem forte coorelação

Plot e Lines

Após identificar quais são as variáveis com forte correlação podemos “plotar” essas variáveis em um gráfico, calcular a regreção linear e estipular uma linha de tendéncia ou faixa de corte.

Gráfico Alluvial

Gráfico extremamente interessante que mostra como os dados categóricos de distribuem através dos elementos O gráfico abaixo é um exemplo clássico que mostra a relação entre sobreviventes/não sobrevicentes através das categorias “classe”, “sexo”, “idade”

3D Plot

Uma forma visual de ver como multimplas variáveis estâo distribuídas na amostra, é a utilização de gráficos interativos em 3D (lib rgl)

Gráficos Animados

Gráficos animados podem mostrar a evolução das variáveis através do tempo. No exemplo abaixo mostramos o PIP para os continentes através dos anos.

Fugindo do tradicional

É possível utilizar grádicosdiferentes dos tradicionais Pizza, Barra e colunas. Esse exemplo, utilizamos um grágico que é um misto de pizza e colunas

Mapas

E pra finalizar: é possível apresentar também gráficos no formato de mapa, onde é possível visualizar as informações pertinentes a cada continente, pais ou estado. No exemplo a seguir, é possível visualizar as exportações de produtos agrícolas nos Estados Unidos, sepados por estado

Conclusão

O R é uma linguagem extremamente robusta para calculos estatísticos, exploração de dados, machine learning e mais.

Obrigado!